据悉，DINOv2采用了一种新的高性能计算机视觉模型的方法，无需微调具备自我监督学习(SSL)，可以从任何图像集合中学习。还可以学习当前标准方法无法学习的特征，
例如，深度估计
这使得DINOv2的应用范围非常广泛，例如，通过简单的指令和提示构建虚拟现实世界，这将加速元宇宙的构建效率；世界资源研究所通过DINOv2绘制森林地图。
Meta对此模型宣传规格极高，由扎克伯格亲自宣布DINOv2：具有自我监督学习的最先进的计算机视觉模型。摘录几点如下：
1、DINOv2是一种训练高性能计算机视觉模型的新方法。
2、提供强大的性能并且不需要微调。这使得它适合用作许多不同计算机视觉任务。
3、因为它使用自我监督，DINOv2 可以从任何图像集合中学习。它还可以学习当前标准方法无法学习的特征，例如深度估计。
4、DINOv2 补充了我们最近的其他计算机视觉研究，包括 Segment Anything。
Segment Anything是一个可提示的分割系统，专注于对不同分割任务集的零样本泛化。DINOv2 与简单的线性分类器相结合，在分割子领域之外的多个任务中取得了很好的结果，产生了横向影响。
开源地址 (github.com)
论文地址.pdf
演示地址